R16_ 데이터프레임, 히스토그램, 이원교차표

Goals

• 데이터 프레임, 데이터 프레임과 리스트의 차이점, 데이터 구조 확인
• 히스토그램, 분산
• 표준편차2개 이상 변수들의 상관관계, 이원 교차표, prop. table, CrossTable

• Data Frame 데이터 프레임 : 행(row) 과 열(column)을 갖는

# 데이터베이스의 테이블 또는 엑셀의 스프레드시트와 같은 형식의 데이터

# 각 컬럼에는 같은 타입의 값들만 저장할 수 있음.

df1<- data.frame(a = c(1:3),

                 b = c('aaa','bbb','ccc'),    # 컬럼별 데이터 삽입

                 c = c(11, 22, 33))

df1

  a   b  c

1 1 aaa 11

2 2 bbb 22

3 3 ccc 33

> df1[1,1]

[1] 1

> df1[1:3,2]

[1] aaa bbb ccc

Levels: aaa bbb ccc

> df1[ ,3]

[1] 11 22 33

> df1$a

[1] 1 2 3

df1<- data.frame(a = c(1:3),

                 b = c('aaa','bbb','ccc'),   

                 c = c(11, 22, 33),

                 stringsAsFactors = F)

> df1[1:3,2]

[1] "aaa" "bbb" "ccc"

• 데이터 프레임과 리스트의 차이점

names <- c("Abc","Def")

ages  <- c(30,20,10)

df_patient <- data.frame(name = names, age = ages, stringsAsFactors = F)       # 데이터 프레임은 실행불가 ( 행의 개수가 다름 )

Error in data.frame(name = names, age = ages, stringsAsFactors = F) :

  arguments imply differing number of rows: 2, 3

# 데이터 프레임을 만들기 위한 벡터들은 모두 같은 갯수의 원소를 가져야 함.

# 서로 다른 원소를 갖는 벡터들은 데이터프레임을 만들 수 었음.

> list_patient <- list(name = names, age = ages)

> list_patient

$name

[1] "Abc" "Def"

$age

[1] 30 20 10

# 리스트는 서로 다른 갯수의 원소를 갖는 벡터들로 생성할 수  있다.

# R 세션에서 사용하던 변수 또는 데이터를 저장

# 저장하는 파일의 확장자 : rda, rda, REData

save(df_patient, list_patient,

     file = 'patient.rda')

save()

#Global Env 에 있는 변수 모두 삭제 후 저장한 데이터 로딩

load("patient.rda")

usedcars.csv

# 데이터프레임의 구조(structure)

 str(mydata)

# 데이터 일부 확인

 head(mydata)

 tail(mydata)

# 기술 통계량 확인

# Quartile: 1/4, 2/4, 3/4 위치의 값들

 summary(mydata)

# 범위(range) : 최솟값과 최댓값을 출력

 range(mydata$price)

#diff  연속된 두 숫자의 차이

 diff ( range(mydata$price))        # max - min

# Quantile

quantile(mydata$price, probs = c(0.1, 0.9))           # probability 구간을 지정 가능

    10%     90%

8431.9 15999.1

> quantile(mydata$price, probs = seq(0,1.0,0.25))

     0%     25%     50%     75%    100%

3800.0 10995.0 13591.5 14904.5 21992.0

# 히스토그램(histogram) :

# 연속된 수치 구간을 일정한 간격으로 나눠서

# 그 구간에 해당하는 데이터들의 갯수(빈돗수) 막대로 그려주는 그래프 !!

hist(mydata$price, breaks = seq(0, 25000, 1000))

ggplot(data = mydata,

       mapping = aes(x = price)) +

  geom_histogram( bins =10, color = 'black', fill = 'white' )

# 분산 표준편차

> var(mydata$price)                # 분산

[1] 9749892

> sd(mydata$price)                # 표준편차

[1] 3122.482

# 이산형 데이터(discrete data) 또는 범주형 데이터

> table(mydata$year)

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

   3    1    1    1    3    2    6   11   14   42   49   16    1

• 2개 이상의 변수들 간의 상관 관계 -> 산점도(산포도) 그래프

# 중고차의 주행거리(mileage)가 가격(price) 영향?

plot(x = mydata$mileage, y = mydata$price, main = '주행거리 vs 가격',

    xlab = '주행거리', ylab = '가격')

ggplot(data = mydata,

       mapping = aes(x = mileage, y = price))+

      geom_point()+ xlab('주행거리(mile)') + ylab('가격(USD)')+ ggtitle('주행거리vs가격')

ggplot(data = mydata,

       mapping = aes(x = mileage, y = price, color = model))+

      geom_point()+ xlab('주행거리(mile)') + ylab('가격(USD)')+ ggtitle('주행거리vs가격')

# 이원교차표 (two-way cross table)

# 두개의 명목 변수 간의 관계를 파악

install.packages('gmodels')

library(gmodels)

#mydata 데이터 프레임에 새로운 변수를 추가

mydata$conserve <- mydata$color %in% c('Black','Gray', 'Silver','White')

#table(): 빈돗수, 도수분포표

> table(mydata$conserve)

FALSE  TRUE

   51    99

> t <- table(mydata$conserve)

# prop.table() 변수들의 비율을 표로 작성 가능

> prop.table(t)

FALSE  TRUE

0.34  0.66

> t2 <- table(mydata$model)

> t2

SE SEL SES

78  23  49

> prop.table(t2)

       SE       SEL       SES

0.5200000 0.1533333 0.3266667

CrossTable(x = mydata$conserve, y = mydata$model)

>> 순서대로 읽는다